Tema d'anno: Uso del suolo della zona di Massafra in provincia di Taranto

Transcript

1 CORSO DI LAUREA MAGISTRALE IN INGEGNERIA CIVILE E PER L'AMBIENTE ED IL TERRITORIO ESAME DI TOPOGRAFIA E GEOMATICA mod. II Tema d'anno: Uso del suolo della zona di Massafra in provincia di Taranto Relazione telerilevamento Docenti: Prof. Ing. D. Costantino Prof. ing. M. Angelini Studenti: Annamaria Tappari Antonio Rodio ANNO ACCADEMICO 2012/2013

2 INDICE 1.Introduzione l telerilevamento 1.1 TELERILEVAMENTO...pag SPETTRO ELETTROMAGNETICO E FIRMA SPETTRALE...pag I SATELLITI...pag I SENSORI...pag I SENSORI AD ALTA RISOLUZIONE...pag I SENSORI A MEDIA RISOLUZIONE...pag 6 2. Uso del suolo di Massafra in provincia di Taranto 2.1 QUICKBIRD...pag TRATTAMENTO DELLE IMMAGINI...pag Ricampionamento delle Immagini...pag Creare il file Envi Meta...pag Georeferenziazione...pag Classificazione...pag Maximum likelihood...pag Conclusioni...pag 22

3 1. INTRODUZIONE L oggetto del tema d anno consiste nella determinazione della Caratterizzazione ed uso del suolo determinazione delle caratteristiche che descrivono come il suolo è usato dall uomo del comprensorio di Massafra e Palagiano (TA); il tutto attraverso le tecniche del telerilevamento. 1.1 TELERILEVAMENTO Il telerilevamento è l insieme di tecniche, strumenti e mezzi interpretativi che permettono l acquisizione e la misura di dati/informazioni relativi a proprietà di oggetti o materie, attraverso uno strumento di registrazione non in stretto contatto fisico con l oggetto stesso. Il veicolo d informazione nel telerilevamento è l energia elettromagnetica, e di fondamentale importanza sono le sue diverse proprietà come emissione, riflessione, e diffusione. Le informazioni qualitative e quantitative raccolte tramite opportuni sensori, sono relative agli spettri elettromagnetici associati ai diversi oggetti presenti sulla superficie terrestre. L interpretazione di quest ultimi permette di avere informazioni utili relativi alle caratteristiche fisiche dell oggetto studiato. Le informazioni sono registrate mediante strumenti che misurano l energia riflessa o emessa dagli oggetti ed in seguito sono trasmesse a terra per eseguire operazioni di elaborazione analisi e applicazione delle informazioni acquisite. Le radiazioni utilizzate in questo campo sono quelle appartenenti: alla banda del visibile, dell infrarosso, e delle microonde. I dati possono essere acquisiti da aereo o da terra (proximal sensing) ovvero a distanze di qualche metro fra sensore e oggetto o tramite ripresa satellitare (remote sensing) a distanze di migliaia di chilometri. I dati telerilevati sono utilizzati in diversi campi applicativi come: monitoraggio delle zone a rischio idrologico, progettazione, realizzazione e gestione dei sistemi di trasporto, nonché delle reti di telecomunicazione, uso del suolo, ecc. Nell ambito dell analisi, della gestione del territorio e della progettazione di strutture tecnologiche, i telerilevamenti forniscono dati accurati, puntuali e georiferiti che sono integrabili in sistemi GIS (Sistema di Informazione Geografica, impiegati per il controllo e la pianificazione territoriale). Il telerilevamento permette di ottenere: - una visione globale del sistema: riesce a rilevare aree inaccessibili con altri sistemi, come nel caso di zone boreali e/o desertiche; - una copertura frequente: si ottengono immagini in modo ripetitivo per la maggior parte della superficie terrestre grazie al numero di satelliti che sono in orbita; osservazioni a diversa scala: si riesce a passare facilmente da una visione d insieme alla visione particolareggiata di un oggetto telerilevato; - omogeneità nelle acquisizioni: si ha una visione panoramica della superficie senza punti di discontinuità, cosa che diversamente si otterrebbe con un mosaico di fotografie aeree; - rilevazioni di regioni dello spettro elettromagnetico non visibili; -un formato digitale delle informazioni acquisite. 1.2 SPETTRO ELETTROMAGNETICO E FIRMA SPETTRALE Lo spettro elettromagnetico rappresenta la distribuzione monodimensionale e continua dell energia elettromagnetica in funzione della lunghezza d onda (o della frequenza) sempre positive e diverse da zero. Si osserva che maggiore è la lunghezza d onda, minore 2

4 è l energia coinvolta. Esso è suddiviso convenzionalmente in regioni chiamate bande, a loro volta suddivise in sottobande. Fra queste possono ricordarsi i raggi x, gli ultravioletti o le onde radio. Le bande adottate nel telerilevamento sono: - Visibile: (VIS) - Infrarosso: - (NIR,infrarosso vicino) - (SWIR, infrarosso medio) - (TIR, infrarosso termico) - Microonde Un corpo è in grado di riflettere l energia incidente, proveniente da una sorgente esterna, in funzione delle proprie caratteristiche geometriche e dalla propria natura. Esso è inoltre in grado di emettere energia, questa volta in funzione della propria temperatura. Pertanto, nota la sorgente della radiazione incidente, le misure di riflessione ed emissione delle radiazioni provenienti dal corpo in esame in funzione di una o più bande spettrali definisce la firma spettrale. Essa permette di risalire alla natura dell oggetto studiato. Dato che la quantità di radiazione elettromagnetica riflessa, assorbita, o trasmessa, varia in funzione della lunghezza d onda, è possibile identificare le diverse sostanze attraverso la loro firma. Tuttavia l energia elettromagnetica proveniente dal sensore attivo o direttamente dal sole, è soggetta nel percorso dalla fonte all oggetto, e successivamente dall oggetto al sensore, all interazione con l atmosfera. Essa ne influenza la trasmissione a causa dei processi di diffusione (la radiazione elettromagnetica è dispersa in tutte le direzioni senza subire cambiamento di lunghezza d onda) e assorbimento ad opera delle particelle e delle molecole di gas ivi presenti (che assorbono diversamente la radiazione in funzione della lunghezza d onda). Tali fenomeni costituiscono un disturbo per l analisi dei dati acquisiti. Per esempio la presenza di copertura nuvolosa causa l assorbimento delle radiazioni corrispondenti alla banda del visibile, comportando la perdita completa dei dati, mentre tale fenomeno è meno incisivo nella banda delle microonde. La trasmissività atmosferica della radiazione incidente in funzione della lunghezza d onda è un indicatore di quanto la radiazione stessa sia assorbita da parte dell atmosfera. Le finestre atmosferiche sono quelle regioni spettrali in cui si registra una perdita minima o nulla della radiazione dovuta all assorbimento. In tali regioni operano i sensori che pertanto sono impostati su tali frequenze. 1.3 I SATELLITI Esistono diverse tipologie di satelliti che servono per la rilevazione delle immagini telerilevate. Il satellite percorre una traiettoria denominata orbita, scelta in base alla quota rispetto alla superficie terrestre, la velocità di rotazione e all inclinazione rispetto al piano equatoriale, e all uso per cui il satellite è destinato. Inoltre, funzione della quota sono la risoluzione (direttamente proporzionale) e la copertura dello strumento (AVOF). 1.4 I SENSORI Durante il moto del satellite, il sensore registra dati relativi ad una specifica porzione 3

5 della superficie terrestre, detta traccia a terra dello strumento, mentre l ampiezza della scansione è chiamata swath. I sensori utilizzati nel telerilevamento possono fornire delle misure (radiometri, spettofotometri), o delle immagini (macchine fotografiche, termo camere), in entrambe i casi possiamo distinguerli in: passivi e attivi. I sensori passivi servono a rilevare la radiazione elettromagnetica riflessa o emessa da fonti naturali, come ad esempio il sole. Per quanto riguarda l energia riflessa, ciò può avvenire solo quando il sole illumina l'oggetto in osservazione. L'energia emessa, come l'infrarosso termico, può essere invece misurata sia di giorno che di notte. I sensori attivi rilevano la risposta riflessa da un oggetto irradiato da una fonte di energia generata artificialmente da loro stessi. Per questo motivo essi devono essere in grado di emettere una considerevole quantità di energia, in ogni caso sufficiente ad illuminare il bersaglio. La radiazione emessa raggiunge l'oggetto in osservazione e la sua frazione riflessa viene rilevata e misurata dal sensore. Tra i vantaggi dei sensori attivi vi è la possibilità di effettuare misure ad ogni ora del giorno e della notte e, nel caso dei radar, anche in ogni condizione meteorologica. Le proprietà che caratterizzano un sensore sono: - Risoluzione spaziale: minima area sul terreno vista dallo strumento, fissata l altezza e il tempo, e coincide con la minima distanza entro la quale due oggetti appaiono distinti nell immagine. - Risoluzione radiometrica: minima differenza di intensità che un sensore può rilevare tra due valori di energia raggiante, pertanto migliore è la risoluzione radiometrica più è sensibile nel registrare piccole differenze nell energia riflessa ed emessa. - Risoluzione spettrale: ampiezza delle bande spettrali risolte dal sensore, ossia il minimo intervallo tra le lunghezze d onda medie di due bande spettrali che un sensore può superare. I sensori multispettrali registrano l energia di intervalli separati di lunghezza d onda a diverse risoluzioni spettrali. I sensori iperspettrali registrano centinaia di bande spettrali nel visibile, infrarosso vicino e medio. L alta risoluzione permette di discriminare differenti oggetti sulla base della loro risposta spettrale in tali bande. - Risoluzione temporale: è l intervallo di tempo che intercorre tra acquisizioni successive della stessa area. In base all intervallo di lunghezza d onda in cui operano i vari sensori, essi sono classificati come: - Sensori ottici: operano nelle bande del visibile e dell infrarosso e si possono suddividere in:. Sensori pancromatici: muniti di un solo rilevatore e forniscono un segnale proporzionale alla radiazione complessiva nella banda del visibile e del vicino infrarosso;. Sensori multispettrali (MSS): distinguono varie bande nel visibile e nell infrarosso;. Sensori iperspettrali: suddividono la radiazione in un elevato numero di canali spettrali a bande molto strette.. Sensori a microonde: operano nella banda delle microonde attraversando l atmosfera senza significative interferenze. 4

6 Di seguito si vogliono riportare i diversi tipi di sensori attualmente in orbita, evidenziandone le diverse risoluzioni e le bande in cui essi operano. 1.5 SENSORI AD ALTA RISOLUZIONE Il sensore ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer): in orbita dal 1999, ha fra gli obiettivi principali la acquisizione di immagini prive di copertura nuvolosa allo scopo di ottenere mappe dettagliate della temperatura superficiale e controllare l uso e la copertura del territorio. Esso acquisisce immagini in quattordici canali spettrali (3 nel VNIR, 6 nello SWIR, 5nel TIR). Inoltre possiede un elevata risoluzione spaziale, radiometrica e spettrale. La risoluzione spaziale varia con la lunghezza d onda di 15m nel VNIR, 30m nel SWIR, 90m nel TIR. Le immagini ASTER inoltre coprono vaste aree di dimensioni 60x60 Km. Il satellite QUICKBIRD è stato lanciato in orbita il 18 Ottobre nel 2001 ed è in fase operativa dalla primavera del E il satellite commerciale con più alta risoluzione spaziale disponibile, poiché è dotato di un sensore pancromatico con risoluzione spettrale di 0,61 m e di un sensore multispettrale a 4 bande con risoluzione di 2,44 m. La risoluzione radiometrica è di 11 bit. Il sensore consente una copertura di 16,5 Km2 ma è anche possibile acquisire delle sotto immagini di 5Km2. Il satellite IKONOS lanciato nel 1999 acquisisce in contemporanea immagini pancromatiche con risoluzione spaziale di 1 m e immagini multi spettrali a 4 bande con risoluzione spaziale di 4 m. Entrambe i sensori presentano una risoluzione radiometrica di 11 bit. Il progetto EROS prevede il lancio di due differenti tipi di satellite: EROS A ( orbita ad una quota di 480 Km ) ed EROS B1/B6 (orbitano ad una quota di 600 Km. Il satellite EROS A è dotato di uno scanner elettronico a CCD operante in modalità pancromatica, con risoluzione spaziale di 1,8 m e la strisciata è larga 12,5 Km. 10 I satelliti EROS B sono dotati di uno scanner elettronico a CCD/TDI con risoluzione spaziale di 0,82 m in grado di produrre immagini nitide anche in condizioni di scarsa luminosità. Mentre EROS B1 acquisisce una banda pancromatica con risoluzione radiometrica di 8 bit, i satelliti B2/B6 acquisiscono con risoluzione radiometrica di 10 bit. Il RADAR opera con lunghezze d onda comprese tra 0,8cm e 1 m. Esso è un sensore attivo in grado di rilevare la superficie terrestre anche in presenza di copertura nuvolosa (l attenuazione dell atmosfera è nulla per lunghezze d onda superiori a 3 cm). Di conseguenza le immagini si possono acquisire sia di giorno che di notte indipendentemente dall illuminazione solare. Il RADAR è costituito da un trasmettitore e da un ricevitore rispettivamente per emettere un fascio di onde elettromagnetiche e misurare l intensità della radiazione di ritorno diffusa dai corpi e dalla terra. Una volta che il radar ha emesso un segnale a microonde, si misura l energia con cui un oggetto riflette tale segnale. Questo procedimento è definito backscattering o retrodiffusione. La risposta della superficie allo stimolo elettromagnetico è funzione: - energia incidente: in termini di frequenza, ampiezza,polarizzazione e fase, direzione di propagazione del fascio; -dalla superficie investigata: in funzione dell umidità, rugosità, costante dielettrica, natura e giacitura del corpo. 5

7 1.6 SENSORI A MEDIA RISOLUZIONE Fra i satelliti a media risoluzione vi è il satellite SPOT, la cui caratteristica peculiare è di non avere l asse di visione fisso, ma rotante rispetto alla superficie terrestre. Tale proprietà permette di acquisire dati laterali alla traccia al suolo sotto un angolo massimo di 27 e ciò permette un incremento della risoluzione temporale del sistema. I sensori implementati sul satellite SPOT sono due e sono denominati HRV (High Resolution Visibile) e operano rispettivamente nello NIR e nel VIS. Il sensore HRVIR implementato sullo SPOT 4 presenta in aggiunta la possibilità di operare in una banda dello SWIR e può operare sia nel pancromatico che nel multispettrale; la sua risoluzione spaziale è di 10m nel pancromatico e di 20 nel multispettrale. Lo SPOT 5 monta un sensore denominato HRG che acquisisce tre bande nel VIS e nel NIR con una risoluzione spaziale di 10 m e una banda pancromatica con risoluzione di 2,5m. Fra i satelliti a media risoluzione vi sono poi i satelliti LANDSAT: LANDSAT 1 è dotato di due sensori : l RBV che acquisisce nelle tre bande del VIS e del NIR, e l MSS che acquisisce nelle tre bande del VIS NIR e TIR. La loro risoluzione temporale è di 18 giorni. I LANDSAT 4 e 5 sono dotati di un sensore multi spettrale denominato Thematic Mapper operante nel VIS e nell infrarosso, con risoluzione temporale di 14 giorni. 2. USO DEL SUOLO DI MASSAFRA IN PROVINCIA DI TARANTO 2.1 QUICKBIRD Il dato in input del presente tema d anno consiste in un immagine satellitare Quickbird, scattata dall omonimo satellite, realizzato dalla Digital Globe Incorporated TRATTAMENTO DELLE IMMAGINI Il trattamento delle immagini è stato effettuato attraverso l utilizzo del software ENVI 4.7 il quale è la soluzione software principale usata per processare e analizzare immagini geospaziali. Il software ENVI unisce le tecnologie per l analisi spettrale e l image processing, con un interfaccia intuitiva e user friendly attraverso la quale riusciamo ad ottenere informazione significativa delle immagini. Per il nostro tema d anno ci è stata assegnata l'immagine Quickbird (figura1). Come precedentemente accennato nel paragrafo 1.5, l immagine Quickbird è costituita da un immagine in pancromatico e da un immagine in multispettrale. L immagine in pancromatico ha una risoluzione a terra pari a 0.6 metri e presenta un unica banda dello spettro elettromagnetico corrispondente al visibile ed al vicino infrarosso ( m); l immagine in multispettrale ha una risoluzione a terra pari a 2.4 metri e presenta quattro bande spettrali: - Banda 1 (Blu) m - Banda 2 (Verde) m - Banda 3 (Rosso) m - Banda 4 (Vicino Infrarosso) m Dato che la risoluzione relativa alla banda del pancromatico è differente rispetto alla risoluzione relativa alle bande del multispettrale è stato necessario convertire le bande del multispettrale alla risoluzione di 0.6 metri. Tale procedura, che consiste nel cambiare le 6

8 Figura 1 Figura 2: Caratteristiche del multispettrale Figura 3: Caratteristiche del pancromatico 7

9 dimensioni in pixel e quindi le dimensioni di visualizzazione di un immagine, è detta Ricampionamento delle immagini Ricampionamento delle immagini Attraverso la funzione Basic Tools, utilizzando il comando Resize Data è stato possibile effettuare un Resize Data Parameters ovvero si selezionano le bande del multispettrale che presentano una dimensione del pixel di 2.4 metri e si imposta la dimensione dei pixel in output pari a 0.6 metri. Figura 4: Ricampionamento delle immagini Una volta creati i files ricampionati bisogna effettuare il salvataggio in un unico file ENVI Meta Creare il file ENVI Meta Sono stati aperti il file del multispettrale ricampionato a 0.6 metri e il file del pancromatico; abbiamo cliccato su File successivamente su Save File As e infine su ENVI Meta: Sono stati importati il file corrispondente al ricampionamento del multispettrale e il file del pancromatico. Si osserva che l immagine ENVI Meta presenta per tutte le bande la dimensione di 0.6 metri, pertanto lo scopo del ricampionamento è stato raggiunto: Figura 5: Ricampionamento delle immagini 8

10 2.2.3 Georeferenziazione Successivamente a tale operazione è stato possibile passare all effettiva fase di georeferenziazione. Ovviamente per l'attuazione della procedura di georeferenziazione è necessaria la conoscenza del Datum, ovvero il sistema di riferimento che permette di esprimere in termini matematici la posizione dei punti sulla superficie fisica della Terra o prossimi ad essa. Esistono differenti metodologie per effettuare la georeferenziazione di un'immagine: a) IMAGE TO MAP: prevede la conoscenza delle coordinate dei GCPs in modo tale da stabilire una relazione matematico-statistica tra le coordinate dei pixel sull'immagine e la cartografia di riferimento; b) IMAGE TO IMAGE: questa modalità prevede l'individuazione di punti omologhi tra due immagini, di cui una è georiferita in relazione al Datum prescelto. Si tratta di una procedura che semplifica notevolmente il lavoro di scelta dei GCPs. Quando si scelgono i GCPs è necessario che essi siano facilmente identificabili sia sull'immagine che sulla cartografia e devono essere quanto più omogenei e con posizione costante nel tempo all'interno dell'immagine. Operativamente la scelta dei punti sia sull immagine georeferita che su quella da georeferire, si effettua facendo riferimento ad elementi della superficie fisica, in modo da essere facilmente identificabili, distribuiti nel modo più omogeneo possibile e con posizione costante nel tempo. L immagine georeferita utilizzata, è stata realizzata effettuando il mosaico, a partire dalle ortofoto con estensione.ecw, scaricate dal sito della regione Puglia (sit.puglia.it) già georeferite nel datum WGS84. Le ortofoto utilizzate a tal fine, sono state solo quelle relative all area in esame. Per ricostruire il mosaico ci si è avvalsi del comando mosaicking, presente nella sezione Basic Tools del menu. Quindi sono state importate le ortofoto della zona di interesse e cliccando su File, Save Template è stato possibile salvare il mosaico con estensione.mos. Figura 6: Mosaicking 9

11 La georeferenziazione è stata condotta attraverso la modalità Image to Image. E necessario aprire nella stessa sessione di ENVI due differenti display, selezionando come base image l immagine già georeferita e come warp image quella da georeferire: Figura 7 Successivamente si ottiene la finestra di dialogo per la selezione dei ground control points, creando un file con estensione.pts che va salvato scegliendo il comando SAVE GCPS TO ASCII. Nella pagina seguente si riporta la tabella dei GCPS. L accuratezza con la quale sono stati inseriti i GCPs è stata valutata tramite il valore dell RMS (Root Mean Square) ovvero il valore di scarto tra i punti rilevati su entrambe le immagini. Il miglior risultato ottenuto è stato il valore di RMS pari a Di seguito si riporta la fase di individuazione e selezione dei GCPs. La georeferenziazione è stata eseguita con i diversi metodi che si avevano a disposizione:. Metodo Polinomiale dal I al IV grado;. Triangolazione;. RST. Successivamente dalla finestra Ground Control Points Selection dal menu Options abbiamo cliccato su Warp File e dalla finestra Input Warp Image è stato selezionato il file Envi Meta e sono stati avviati i metodi di georeferenziazione sopra elencati. Si riportano di seguito i risultati ottenuti: 10

12 Figura 8: Individuazione dei GCPS Figura 9: Tabella dei GCPS 11

13 Figura 10: Polynomiale Degree 1 Figura 11: Polynomiale Degree 2 Figura 12: Polynomiale Degree 3 Figura 13: Polynomiale Degree 4 Figura 14: Triangulation Figura 15: RST 12

14 La nostra scelta è ricaduta sulla georeferenziazione ottenuta con il metodo Polinomiale di III grado. È stato scartato a priori il metodo di georeferenziazione Triangulation perché viene tagliata parte dell immagine e il metodo RST in quanto procurava deformazioni all immagine. Per meglio comprendere quale grado di Polinomiale scegliere, è opportuno osservare i rispettivi valori dell RMS. Riportiamo qui di seguito rispettivamente i valori dell RMS della Polinomiale di I, II, III e IV grado: RMS Polinomiale I: RMS Polinomiale II: RMS Polinomiale III: RMS Polinomiale IV: Dai dati risulta che il processo di georeferenziazione ottenuto con il metodo del III grado è quello che ha riscontrato maggiore successo. 13

15 2.2.4 Classificazione Alla fase di georeferenziazione è seguita la classificazione (individuazione delle diverse tipologie di copertura del terreno). La classificazione è condotta dal programma, attribuendo ad una stessa classe i pixel di una immagine se i loro valori spettrali, nelle diverse bande, sono simili. Tuttavia per stabilire una corrispondenza fra le classi identificate e le categorie di copertura del suolo, bisogna disporre di dati esterni all immagine, ottenibili mediante sopralluoghi in campo o utilizzando carte sull uso del suolo, riferite allo stesso periodo di acquisizione dell immagine, come quelle scaricabili dal sito sit.puglia.it. Esistono due possibili modalità di classificazione: - non supervisionata; - supervisionata; a seconda che si disponga dei dati di taratura dopo o prima della stessa. Nel presente lavoro si è scelto di condurre dapprima la classificazione in maniera non supervisionata ovvero supponendo di non conoscere a priori la natura delle coperture ed il loro numero esatto. Ciò consente di formare cluster di pixel in base ad un criterio di prossimità reciproca. Pertanto ogni cluster è formato da pixel probabilmente appartenenti alla stessa classe perché spettralmente simili. Solo successivamente si assegna il tipo di copertura sulla base dei dati di taratura successivamente raccolti. Tale metodo può essere realizzato tramite due approcci differenti a seconda degli algoritmi considerati, ciascuno di essi infatti prevede un differente tipo di assegnazione dei pixel alle classi. Nel caso di studio è stato scelto di applicare entrambe le procedure al fine di poter selezionare il risultato migliore. Quest ultimo servirà come dato di partenza, contemporaneamente alla carta sull uso del suolo, per la realizzazione della classificazione supervisionata. Gli algoritmi che è possibile utilizzare sono: - K- MEANS: il quale inizia con la scelta delle K classi da parte dell operatore, successivamente, l algoritmo prevede l individuazione di K pixel considerati rappresentativi delle medie delle classi. Esso procede iterativamente e termina solo quando le medie sono ormai fissate, consentendo quest ultime il corretto raggruppamento dei cluster. Si è eseguita la classificazione imponendo un numero di classi pari a 10 (K=10). Operativamente dal menu classification è stata selezionata la voce unsupervised ; successivamente compare la finestra di dialogo che permette di selezionare il numero di classi (che è stato impostato a 10) e di scegliere un numero di iterazioni (in questo caso pari ad 1). Figura 16 14

16 Figura 17: Classificazione con il metodo K - MEANS - ISODATA: come il metodo K-MEANS, permette di assegnare ogni pixel al cluster con centro più vicino e consente inoltre di ricalcolare le posizioni dei centri dopo l assegnazione. Tale algoritmo differisce rispetto all algoritmo K-MEANS, in quanto non è necessario fissare a priori il numero di cluster nel momento in cui si effettuano le iterazioni, ma tale numero è variabile in relazione a tre processi fondamentali: eliminazione di cluster(se hanno un numero piccolo di pixel), unificazione di cluster(se sono molto vicini), divisione di cluster( se sono dispersi). Come si osserva dall immagine di seguito riportata, in questo caso si imposta il numero minimo e massimo di classi. Figura 18 15

17 Figura 19: Classificazione con il metodo ISODATA Successivamente è stata eseguita la classificazione supervisionata, ove si è fatto affidamento alle conoscenze del territorio interessato, attraverso l individuazione delle ROI, ovvero Region of interest. Infatti in questo caso conoscevamo a priori le classi presenti nella zona investigata, per un numero sufficientemente significativo di pixel, definiti appunto pixel campione, quelli restanti vengono classificati a seconda della somiglianza con il campione. Le tecniche di classificazione supervisionata sono:. Parallelepiped;. Minimum Distance;. Mahalanobis Distance;. Maximum Likelihood;. Spectral angle mapper (SAM);. Spectral Information Divergence. La scelta dei pixel rappresentativi di ogni classe è stata effettuata attraverso l individuazione delle cosiddette Regions of Interest (ROI). Nell area individuata sono state considerate le seguenti ROI. 16

18 Figura 20: Tabella delle ROI Nel tracciamento delle ROI sono state selezionate più zone che presentavano caratteristiche simili dal punto di vista territoriale, e si è fatto in modo che appartenessero alla stessa ROI, consapevoli del fatto che il software operi durante la classificazione supervisionata una media spettrale tra le diverse regioni assegnate per la stessa ROI. Di seguito si riportano le immagini relative alla fase di delimitazione delle ROI: Figura 21: Fase di delimitazione delle ROI 17

19 Una volta selezionato il file di input e quello in cui si sono assegnate le ROI con estensione.roi sono stati applicati tutti i metodi di classificazione supervisionata sopraccitati. Overall Accuracy: % Kappa Coefficient: Figura 22: Parallelepiped Overall Accuracy: % Kappa Coefficient: Figura 23: Minimum Distance Overall Accuracy: % Kappa Coefficient: Figura 24: Mahalanobis Distance Overall Accuracy: % Kappa Coefficient: Figura 25: Maximum Likelihood 18

20 Overall Accuracy: % Kappa Coefficient: Figura 26: SAM Overall Accuracy: % Kappa Coefficient: Figura 27: Spectral information divergence 19

21 Si è quindi valutata l accuratezza dell immagine attraverso la matrice di confusione, ottenendo risultati soddisfacenti. Il calcolatore può valutare l accuratezza, tramite diversi metodi, tra cui : - l Overall accuracy, che rapporta il numero di pixel classificati correttamente rispetto al numero totale di pixel. Quelli corretti sono riportati lungo la diagonale della matrice di confusione, mentre per pixel totali si intende la somma dei pixel di tutte le classi; - Kappa coefficient, che è calcolato moltiplicando il numero di pixel totali, per la somma delle diagonali della matrice di confusione, e sottraendo la somma di tutti i pixel appartenenti alla classe considerata (commission) e dividendo per il quadrato del numero totale di pixel a meno il termine precedente. Tale coefficiente è pari a uno in caso di assenza di errore nella classificazione. - Matrice di confusione, è calcolata confrontando la posizione nonché la classe di ogni pixel dell area reale con quelli dell immagine classificata. Le colonne della matrice indicano le classi. - Errore di commissione, rappresenta i pixel che nonostante appartengano ad una classe, vengono assegnati ad una classe differente. Questi errori sono indicati nelle righe della matrice di confusione. - Errore di omissione,rappresentano pixel che provengono da classe di superficie vera, ma che la tecnica di classificazione ha sbagliato a classificare nella propria classe. - Producer accuracy, indica la probabilità del classificatore di registrare un pixel nella corretta classe d appartenenza. - User accuracy,indica la probabilità che un pixel appartenga realmente alla classe a cui è stato assegnato. L algoritmo che ha fornito i migliori risultati è stato quello del Maximum likelihood, il quale opera attraverso la conoscenza di dati al suolo, identificando le regioni di spazio delle bande in cui sono localizzati i pixel appartenenti alle classi che si vogliono individuare nell immagine. 20

22 2.2.5 Maximum likelihood Questo algoritmo opera attraverso l ausilio di dati al suolo per definire i valori tipici dei pixel delle classi da identificare. Questo equivale ad identificare le regioni dello spazio delle bande in cui sono localizzati i pixel appartenenti alle classi che si vuole identificare nell immagine. I pixel vengono poi assegnati alle classi confrontando i valori digitali con quelli tipici di ogni classe. Figura 28: Maximum Likelihood La matrice di confusione della Maximum Likelihood è la seguente: 21

23 Figura 27: Matrice di confusione 3. CONCLUSIONI L autenticità e la validità della classificazione sono state valutate mediante un confronto visivo con la carta tematica per Uso del Suolo proposta e scaricabile dal sito Confrontando le due immagini è stato possibile notare come l elaborato abbia restituito una classificazione dell uso del suolo coerente con quella del SIT Puglia. Figura 29 22